全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用,包括"深度神经网络-隐马尔可夫混合模型”的训练和优化,特征表示学习、模型融合、自适应,以及以循环神经网络为代表的若干先进深度学习技术。
内容简介
推荐序
前言
符号
第1章 简介
1.1 自动语音识别:更好的沟通之桥
1.2 语音识别系统的基本结构
1.3 口语理解与人机对话系统
1.4 全书结构
第I部分 传统声学模型
第2章 混合高斯模型
第3章 隐马尔可夫模型及其变体
第II部分 深层神经网络在语音识别中的应用及分析
第4章 全连接深层神经网络
第5章 高级模型初始化技术
第6章 深层神经网络-隐马尔可夫模型混合系统
第7章 训练加速和解码加速
第8章 深层神经网络中的特征表示学习
第9章 深层神经网络和混合高斯模型的融合
第10章 VAD和唤醒词识别
第III部分 先进深度学习模型在语音识别中的应用
第11章 卷积神经网络
第12章 循环神经网络及相关模型
第13章 基于深度学习的语言模型
第IV部分 高级语音识别方法
第14章 深层神经网络的自适应技术
第15章 深层神经网络序列鉴别性训练
第16章 端到端模型
第V部分 复杂场景下的语音识别
第17章 深层神经网络中的表征共享和迁移
第18章 基于深度学习的单通道语音增强和分离技术
第19章 远场语音识别的前端技术
第VI部分 口语理解及对话系统的深度学习实践
第20章 基于深度学习的口语理解
第21章 对话状态跟踪及自然语言生成
第22章 对话策略优化
第VII部分 总结及展望
第23章 总结及未来研究方向
缩略词表
作者简介
参考文献

